مقاله‌ی arXiv:2610.22732 · در صف خبرنامه
TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents
- تاریخ
- (۲۳ مهر ۱۴۰۵) 2026-10-15
- نویسنده‌ها
- Aaron J. Li, Weijia Xu, Chandan Singh, Zixiao Chen, Jeevana Priya Inala, Charlotte Siska, Acar Tamersoy, Bin Yu, Ion Stoica, Michel Galley, Jianfeng Gao
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مقاله‌ی TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents (15 Oct 2026، آرون لی و همکاران، از جمله یون استویکا، بین یو و جیان‌فنگ گائو)
مسئله: ایجنت‌های کدنویسی مثل کلاد کد، کدکس و کوپایلت CLI گران شده‌اند و بخش بزرگی از این هزینه تکراری است: در هر نوبت، دستورالعمل‌ها، فهرست ابزارها و کل تاریخچه‌ی کار دوباره به مدل فرستاده و دوباره حساب می‌شود. بیشتر سنجش‌ها هم هر کار را جدا نگاه می‌کنند، در حالی که برنامه‌نویس واقعی ده‌ها کار پشت سر هم روی یک ریپو انجام می‌دهد و ایجنت هر بار همان چیزها را از نو کشف می‌کند، مثلاً اینکه تست‌های این پروژه را چطور باید اجرا کرد.
روش: نویسنده‌ها اول هزینه‌ی ۶۰ کار از SWE-Bench را در ۶ ریپو بررسی کردند. سه ابزار آماده‌ی صرفه‌جویی (فشرده کردن خروجی دستورها، ناوبری معنایی کد، و نقشه‌ی ساختار ریپو) در بعضی ریپوها هزینه را کم کردند و در بعضی زیاد. در ترنسکریپت‌ها سه منبع هدررفت پیدا شد: کارهای عملیاتی که در هر کار تکرار می‌شوند، ابزارهایی که بارگذاری می‌شوند ولی هیچ‌وقت به کار نمی‌روند، و تلاش‌های شکست‌خورده‌ای که دور یک خطا می‌چرخند.
ابزار TokenEconomizer یک کنترل‌کننده‌ی بیرونی است که به مدل یا کد هارنس دست نمی‌زند و فقط از راه پرامپت، تنظیم ابزارها و رویدادهای اجرا کار می‌کند. از کارهای قبلی همان ریپو سه چیز یاد می‌گیرد:
- اسکیل‌های یک‌خطی: نکته‌های کوتاه درباره‌ی همان ریپو که فقط وقتی شاهد کافی پیدا کنند به پرامپت اضافه می‌شوند، و اگر کار بعدی خلافشان را نشان دهد کنار گذاشته می‌شوند.
- هرس ابزار: ابزارهایی که در این ریپو به کار نمی‌آیند از فهرست حذف می‌شوند و اگر لازم شوند در بازبینی بعدی برمی‌گردند.
- مداخله در حلقه‌ی شکست: وقتی ایجنت یک خطا را بارها تکرار می‌کند، اول با یک پیام هدایتش می‌کند که فرضیه‌ی دیگری امتحان کند، و فقط وقتی مطمئن است کار را متوقف می‌کند.
یافته‌ها:
- در ۲۷۷ کار SWE-Bench با پنج ترکیب ایجنت و مدل (کلاد کد، کدکس و کوپایلت CLI)، هزینه‌ی متوسط هر کار ۱۸ تا ۳۱ درصد کم شد و نرخ حل مسئله در چهار ترکیب از پنج حتی کمی بهتر شد. هزینه‌ی خود کنترل‌کننده هم در این حساب آمده و صرفه‌جویی در همه‌ی ریپوها دیده شد.
- ابزارها بزرگ‌ترین هدررفت بودند. ایجنت در هر نوبت ۲۳ ابزار را می‌بیند، ولی هیچ ریپویی بیش از ۷ تا را به کار نبرد و فقط ۳ ابزار تقریباً همه‌ی فراخوانی‌ها را داشتند. در ریپوی جنگو، حذف ۱۹ ابزار بی‌استفاده‌ی کلاد کد (مثل ابزارهای زمان‌بندی، ورک‌تری و حالت برنامه‌ریزی) حجم اولین درخواست هر کار را از حدود ۴۳ هزار توکن به حدود ۱۵ تا ۱۶ هزار رساند.
- کارهای شکست‌خورده ۱۷ درصد کارها بودند ولی ۳۲ درصد هزینه را خوردند. یک سقف ثابت برای تعداد نوبت‌ها نمی‌تواند اینها را جدا کند، چون خیلی از اجراهای موفق هم یک خطا را چند بار تکرار می‌کنند.
- اول کار در هر ریپو، که هنوز تجربه‌ای جمع نشده، کنترل‌کننده کمی گران‌تر تمام می‌شود، اما از کار ششم به بعد در همه‌ی ریپوها ارزان‌تر شد. در توسعه‌ی وب و بازبینی امنیتی هم ۶ تا ۲۱ درصد صرفه‌جویی داشت.
محدودیت‌ها: کارهای آزمون اصلاح‌های مستقل از تاریخچه‌ی ریپوها بودند، نه سشن‌های واقعی یک برنامه‌نویس. هر تصمیم کنترل‌کننده هم ممکن است اشتباه باشد: نکته‌ای کهنه شود، ابزار حذف‌شده‌ای لازم شود، یا کار سختی که رو به پیشرفت است با حلقه‌ی شکست اشتباه گرفته شود. نویسنده‌ها برای هر کدام راه برگشت گذاشته‌اند. لینک کدی هم در مقاله نیامده است.